Docker实战(十)之分布式处理与大数据平台
分布式系统和大数据处理平台是目前业界关注的热门技术。
1.RabbitMQ
RabbitMQ是一个支持AMQP的开源消息队列实现,由Erlang编写,因以高性能、高可用以及可伸缩性出名。它支持多种客户端,如:Java、Python、PHP、Ruby、.NET、JavaScript等。
它主要用于分布式系统中存储和转发消息,方便组之间的解耦,消息的发送无需知道消息使用者的存在,反之亦然。
AMQP架构中有两个主要组件:Exchange和Queue,两者都在服务端,又称Broker,由RabbitMQ实现。客户端通常有Producer和Consumer两种类型。
在使用RabbitMQ过程中需要注意的是,它将数据存储在Node中,默认情况为hostname。因此在使用docker run指令运行容器的时候, 应该通过-h/--hostname参数指定每一个rabbitmq daemon运行的主机名。这样可以轻松得地管理和维护数据了:
用户使用rabbitmqctl工具进行远程管理,或跨容器管理的时候,会需要设置持久化的Cookie。如果需要了解关于Erlang Cookie的信息,可以参见RabbitMQ官网的集群指南。
这里可以使用RABBITMQ_ERLANG_COOKIE参数进行设置:
docker run -d --hostname my-rabbit --name some-rabbit -e RABBITMQ_ERLANG_COOKIE='secret cookie here' rabbitmq:3 bash
2.Celery
除了通用的消息队列外,任务队列在分布式处理中也十分重要。任务队列的输入是工作的一个单元,称为任务,有多个工作者监听队列来获取任务并执行。
Celery是一个简单、灵活、高可用、高性能的开源分布式任务处理系统,专注于实时处理的任务队列管理,同时也支持任务调度。Celery基于Python实现,跟包括的Django、Flask、Tornado等Web框架都无缝集成,有庞大的用户与贡献者社区。Celery可用单机运行,也可以在多台机器上运行,甚至可以跨越数据中心运行。
(1)使用官方镜像
docker run --link some-rabbit:rabbit --name some-celery -d celery:latest
检查集群状态:
docker run --link some-rabbit:rabbit --rm celery celery status
启动一个celery worker,即Redis Broker
docker run --link some-redis:redis -e CELERY_BROKER_URL=redis://redis --name some-celery -d celery
检查集群状态:
docker run --link some-redis:redis -e CELERY_BROKER_URL=redis://redis --rm celery celery status
(2)使用Celery库
如果用户使用的框架已有Celery库,那么使用起来更加方便。
Python调用CeLery:
from celery import Celery app = Celery('hello',broker='amqp://guest@localhost//') @app.tast def hello(): return "hello world"
3.Hadoop
作为当今大数据处理领域的经典分布式平台,Apache Hadoop主要基于Java语言实现,由三个核心子系统组成:HDFS、YARN、MapReduce,其中HDFS是一套分布式文件系统;YARN是资源管理系统,MapReduce是运行在YARN上的应用,负责分布式处理管理。如果从操作系统的角度看,HDFS相当于Linux的ext3/ext4文件系统,而Yarn相当于Linux的进程调度和内存分配模块。
使用官方镜像
可以通过docker run指令运行镜像,同时打开bash命令行,如下所示:
docker run -it sequenceiq/hadoop-docer:2.7.0 /etc/bootstrap.sh -bash
此时可以查看各种配置信息和执行操作,例如查看namenode日志等信息:
cat /usr/local/hadoop/logs/yarn-root-nodemanager-8c266b1ce6d8.out
4.Spark
Apache Spark是一个围绕速度、易用性和复杂分析构建的大数据处理框架,基于Scala开发。最初在2009年由加州大学伯克利分校的AMPLap开发,并于2010年成为Apache的开源项目之一。
与Hadoop和Storm等其他大数据和MapReduce技术相比,Spark支持灵活的函数定义,可以将营业处理速度提升到一两个数量级,并且提供了众多方便的实用工具,包括SQL查询、流处理、机器学习和图处理等:
Spark体系包括如下三个主要组成:数据组成、API、管理框架。
(1)使用官方镜像
docker pull sequenceiq/spark:1.6.0
也可以使用docker build指令构建spark镜像:
docker build --rm -t sequenceiq/spark:1.6.0 .
另外,用户在运行容器时,需要映射YARN UI需要的端口:
docker run -it -p 8088:8088 -p 8042:8042 -h sandbox sequenceiq/spark:1.6.0 bash
启动后,可以使用bash命令来查看namenode日志等信息:
cat /usr/local/hadoop/logs/hadoop-root-namenode-sandbox.out
(2)验证
基于YARN部署Spark系统时,用户有两种部署方式可选:YARN客户端模式和YARN集群模式。
a.YARN客户端模式
在YARN客户端模式中,SparkContext(或称为驱动程序,driver program)运行在客户进程中,应用的master仅处理来自YARN的资源管理请求:
#运行spark shell
spark-shell \
--master yarn-client \
--driver-memory 1g \
--executor-memory 1g \
--executor-cores 1
#执行以下指令返回1000则符合预期
sc.parallelize(1 to 1000).count()
b.YARN集群模式
在YARN集群模式中,Spark driver驱动程序运行于应用master的进程中,即由YARN从集群层面进行管理。下面,用户以Pi值计算为例子,展现两种模式的区别:
Pi计算(YARN集群模式):
#执行以下指令,成功后,日志中会新增记录 "Pi is roughly 3.1418"
#集群模式下用户必须制定--files参数,以开启metrics
spark-submit \
--class org.apache.spark.examples.SparkPi \
--files $SPARK_HOME/conf/metrics.properties \
--master yarn-cluster \
--driver-memory 1g \
--executor-memory 1g \
--executor-cores 1 \
$SPARK_HOME/lib/spark-examples-1.6.0-hadoop2.6.0.jar
Pi计算(YARN客户端模式):
#执行以下指令,成功后,命令行将显示"Pi is roughly 3.1418"
spark-submit \
--class org.apache.spark.examples.SparkPi \
--master yarn-client
--driver-memory 1g \
--executor-memory 1g \
--executory-cores 1 \
$SPARK_HOME/lib/spark-examples-1.6.0-hadoop2.6.0.jar
(3)容器外访问Spark
如果需要从容器外访问Spark环境,则需要设置YARN_CONF_DIR环境变量。yarn-remote-client文件夹内置远程访问的配置信息:
export YARN_CONF_DIR="`pwd`/yarn-remote-client"
只能使用根用户访问Docker的HDFS环境。当用户从容器集群外部,使用非根用户访问Spark环境时,则需要配置HADOOP_USER_NAME环境变量:
export HADOOP_USER_NAME=root
5.Storm
Apache Storm 是一个实时流计算框架,由Twitter在2014年正式开源,遵循Eclipse Public License1.0.Storm基于Clojre等语言实现。
Storm集群与Hadoop集群在工作方式上十分相似,唯一区别在于Hadoop运行的是MapReduce任务,在Storm上运行的则是topology。MapReduce任务完成处理即会结束,而topology则永远在等待消息并处理。
(1)示意架构图
其中包含如下容器:
Zookeeper:Apache Zookeeper三节点部署
Nimbus:Storm Numbus.
UI:Storm UI
Supervisor:Storm Supervisor(一个或多个)
(2)本地开发测试
git clone https://github.com/denverdino/docker-storm.git
cd docker-swarm/local
代码库中的docker-compose.yml文件描述了典型的Storm应用架构。
用户可以直接运行下列命令构建测试镜像:
docker-compose build
一键部署一个storm应用:
docker-compose up -d
利用如下命令,可以伸缩supervisor的数量,比如伸缩到4个实例
docker-compose scale supervisor=4
朋友们也许会发现Web界面中并没有运行中的topology。这是因为Docker Compose目前只能保证容器的启动顺序,但是无法确保所依赖容器中的应用已经完全启动并可以正常访问。
为了解决这个问题,需要运行如下命令来再次启动topolgoy服务应用来提交更新的拓扑:
docker-compose start topology
随后刷新下UI界面,可以发现Storm应用已经部署成功。
6.Elasticsearch
Elasticsearch是一个基于Lucene的开源搜索服务器,主要基于Java实现。它提供一个分布式的,多租户的全文搜索引擎,内含RESTful web接口。
Elasticsearch提供了实时的分布式数据存储和分析查询功能,很容易扩展到上百台服务器,支持处理PB级结构化或非结构化数据。配合Logstash、Kibana等组件,可以快速构建一套对日志信息的分析平台。
拉取官方镜像:
docker run -d elasticsearch
也可以在启动时传入一些额外的配置参数:
docker run -d elasticsearch elasticsearch -Des.node.name="TestNode"
目前使用的镜像内含默认配置文件,包含了预先定义好的默认配置。如果用户要使用自定义配置,可以使用数据卷,挂载自定义配置文件到/usr/share/elasticsearc/config:
docker run -d -v "$PWD/config":/usr/share/elasticsearch/config elasticsearch
如果需要数据持久化,可以使用数据卷指令,挂载至/usr/share/elasticsearch/data:
docker run -d -v "$PWD/esdata":/usr/share/elasticsearch/data elasticsearch
此镜像会暴露9200 9300两个默认的HTTP端口,可以通过此端口进行服务访问。9200端口是对外提供服务的API使用的端口。9300端口是内部通信端口,这些通信包括心跳,集群内部信息同步。
低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
- 上一篇
Docker实战(九)之数据库应用
目前,主流数据库包括关系型和非关系型两种。 关系型数据库是建立在关系模型基础上的数据库,借助于集合代数等数学概念金额方法来处理数据库中的数据,支持复杂的事务处理和结构化查询。代表实现有MySQL 、Oracle、PostGreSQL、MariaDB、SQLServer等。 非关系型数据库是新兴的数据库技术,它放弃了传统关系型数据库的部分强一限制,带来性能上的提升,使其更适用于需要大规模并行处理订单场景。非关系型数据库是关系型数据库的补充,代表产品有MongoDB、Redis、CouchDB等。 1.MySQL 使用官方镜像可与快速启动一个MySQL Server实例,如下所示: docker run --name hi-mysql -e MYSQL_ROOT_PASSWORD=123 -d mysql:latest 当然,还可以使用--link标签将一个应用容器连接到MySQL容器: docker run --name some-app --link some-mysql:mysql -d application-that-uses-mysql (1)系统与日志访问 docker...
- 下一篇
深入分析Kubernetes Critical Pod(四)
摘要:本文分析了DeamonSetController及PriorityClass Validate时,对CriticalPod的所做的特殊处理。 Daemonset Controller对CriticalPod的特殊处理 深入分析Kubernetes Critical Pod系列:深入分析Kubernetes Critical Pod(一)深入分析Kubernetes Critical Pod(二)深入分析Kubernetes Critical Pod(三)深入分析Kubernetes Critical Pod(四) 在DaemonSetController判断某个node上是否要运行某个DaemonSet时,会调用DaemonSetsController.simulate来分析PredicateFailureReason。 pkg/c
相关文章
文章评论
共有0条评论来说两句吧...
文章二维码
点击排行
推荐阅读
最新文章
- Windows10,CentOS7,CentOS8安装Nodejs环境
- CentOS8安装Docker,最新的服务器搭配容器使用
- CentOS8编译安装MySQL8.0.19
- Windows10,CentOS7,CentOS8安装MongoDB4.0.16
- CentOS7编译安装Cmake3.16.3,解决mysql等软件编译问题
- CentOS7编译安装Gcc9.2.0,解决mysql等软件编译问题
- Docker快速安装Oracle11G,搭建oracle11g学习环境
- CentOS7,CentOS8安装Elasticsearch6.8.6
- CentOS6,7,8上安装Nginx,支持https2.0的开启
- Docker使用Oracle官方镜像安装(12C,18C,19C)